Strata 0.2.10 发布：本地 AI 大模型继续提速，默认使用 DFlash2 降低显存需求，8GB 显卡也能开启 128K 上下文
内容提要
Strata 0.2.10 发布，默认启用 DFlash2 推测解码器，显存占用从约 5.2GB 降至约 625MiB，8GB 显卡也能开启 128K 上下文，但压力转移至内存和 SSD。多显卡协作优化使代码编辑速度接近翻倍。新增编程专用模型 ISTA-DAS Coder，并修复多项 Agent 与界面问题。
延伸解读
显存门槛降低，但内存与 SSD 成为新瓶颈
Strata 0.2.10 通过 DFlash2 将推测解码器显存占用从约 5.2GB 降至约 625MiB，使 8GB 显卡也能开启 128K 上下文。但文章明确指出，显存压力并未消失，而是转移到了内存和 SSD。作者据此认为内存 32GB 起步、48GB 刚好、64GB 才算宽裕。读者在升级前应优先确认系统内存和存储性能，而非只看显卡。
DFlash2 默认开启，但并非所有场景都更优
DFlash2 成为默认加速器后，官方测试中短回复生成速度提升约 3.8% 至 8.4%，且显存占用远低于 MTP。不过文章也列出代价：DFlash2 主要面向单请求，依赖特定模型与引擎，首次还需额外下载约 1.2GB 文件；MTP 则在硬件兼容性和多并发场景更有优势。Strata 的默认策略是单请求 Qwen3.8 优先用 DFlash2，多并发等场景优先用 MTP。
多显卡协作方式改变，代码编辑提速最明显
新版 All-cards Split Engine 不再按层拆分模型到不同显卡，而是让多张显卡共同处理每一层。官方用两张 RTX A6000 测试，代码编辑从 195 Token/s 提升到 377～394 Token/s，生成新代码、普通文本和 Agent 循环也有不同幅度提升。这说明多卡用户升级后收益较大，但测试基于特定硬件和 Linux 环境，实际效果可能因配置而异。
编程专用模型存储需求极高，下载前需规划空间
新增的 ISTA-DAS Coder 基于 DeepSeek-V4.1-Flash 裁剪专家，每层只保留 384 个专家中的 192 个，以减少计算量。官方测试中单张 Radeon AI PRO R9700 为 22.8 Token/s，四张可达 59.2 Token/s。但仅模型权重约 72.1GB，另有约 110.6GB 的 Engram 数据文件，首次完整下载约需 191GB。对存储空间有限的用户，这是一个需要提前考虑的限制。
Q&A
Strata 0.2.10 在 8GB 显卡上开启 128K 上下文是怎么实现的？
当显存不足时，Strata 会优先调整显存和内存之间的数据分配，逐步缩小驻留在 GPU 中的 KV 缓存窗口，必要时将部分数据放到系统内存中，从而尽可能保留用户设置的上下文长度。因此 8GB 显存也能启动 128K 上下文，但压力转移到了内存和 SSD。
DFlash2 和之前的 MTP 推测层相比有什么优缺点？
DFlash2 显存占用约 625MiB，远低于 MTP 的约 5.2GB，在多数官方测试中单请求生成速度更快，适合低显存设备；但 DFlash2 首次需额外下载约 1.2GB 文件，主要面向单请求，支持范围依赖特定模型与引擎。MTP 则兼容范围更广，更适合多并发场景。
Strata 0.2.10 的多显卡优化具体提升了哪些任务的速度？
新版引入 All-cards Split Engine，允许多张显卡共同处理每一层模型。官方用两张 RTX A6000 测试，代码编辑从 195 Token/s 提升到 377～394 Token/s，生成新代码从 139～144 Token/s 提升到 189～232 Token/s，普通文本从 93 Token/s 提升到 139～146 Token/s，Agent 循环从 112～119 Token/s 提升到 165 Token/s。
ISTA-DAS Coder 是什么模型？它的硬件需求和速度如何？
ISTA-DAS Coder 是基于 DeepSeek-V4.1-Flash 针对编程和 Agent 任务进行专家裁剪的模型，每层只保留 384 个专家中的 192 个。速度方面：单张 Radeon AI PRO R9700 为 22.8 Token/s，四张 R9700 为 59.2 Token/s，Apple M5 Max 为 19.1～22.5 Token/s，RTX PRO 6000 Blackwell 约 100 Token/s。存储需求很大，模型权重约 72.1GB，另有约 110.6GB Engram 数据文件，首次完整下载约 191GB。
Strata 0.2.10 对 Agent 和界面做了哪些修复？
修复包括：AI 回复很长时 Approve 和 Deny 按钮不再被滚动到看不见的位置；子 Agent 可以接收用户追加的指令；历史对话自动摘要尽量使用用户原本的语言；AI 生成内容时可以选择等待、排队发送或中断；支持引用之前的某轮对话或选中的文字；改善 Claude Code 上下文溢出时的错误提示，使其能尝试压缩上下文。此外还修复了 Windows 某些后台启动场景下磁盘读取优先级过低导致模型加载变慢的问题。
升级到 Strata 0.2.10 后，对电脑内存有什么要求？
由于显存压力转移到了内存和 SSD，文章建议内存 32G 起步，48G 刚好，64G 才算解决温饱。
